Dos actores protagonistas de este sector, Sustainalytics y Ossiam, se han aliado para crear una solución que, basada en el aprendizaje automático (machine learning), ha sido capaz de batir al MSCI Word en más de 3 puntos. Este modelo ha sido presentado en España en un desayuno informativo organizado por Spainsif con la colaboración de Cecabank.
Dicho modelo se basa en la detección de patrones predictivos en los datos en base a los 150 indicadores ASG que proveen las señales de oportunidad y riesgo financiero provistas por Sustainalytics. Dichos patrones son capaces de correlacionar 56 indicadores ambientales, 56 sociales y 34 de gobernanza con los propios del análisis fundamental de los valores (ganancias esperadas, capitalización o clasificación de los activos por sector y país) y los de mercado (cotizaciones, índices sectoriales y bonos a 10 años).
Alberto Serna, analista senior de Sustainalytics, explicó cómo su Big Data (macrodatos) aprovecha la gran cantidad de información disponible, tanto la elaborada por ellos, como los informes de sostenibilidad de más de 7.000 empresas y su documentación asociada, la cobertura de la mayor parte de los índices mundiales o los informes de riesgos controvertidos, como la disponible públicamente e publicaciones corporativas y regulatorias, noticias, informes de las ONG y webs, reportes de la industria y lo que obtienen del diálogo con las empresas. Con todos estos datos, se formula un rating ASG que integra todo tipo de indicadores cuantitativos y cualitativos.
Su algoritmo, que ha sido desarrollado por la consultora de inversión Advestis, mapea este Big Data para localizar reglas y combinaciones de variables vinculadas con retornos positivos o negativos a tres meses vista. Esto permite evaluar para cada compañía e indicador un escenario de oportunidad, neutralidad o riesgo que configura las señales ESG aprovechables para la toma de decisiones de inversión.
En su turno, Carmine de Franco, analista cuantitativo de Ossiam (multinacional participada por Natixis Investment Managers con 150 millones de activos bajo gestión), detalló la aplicación del modelo en su portfolio y subrayó que el el resultado se va calibrando por aprendizaje automático cada cuatro meses desde el lanzamiento del proyecto en mayo de 2016, seleccionando siempre los activos con mayor liquidez desde los 1.650 iniciales de MSCI hasta una selección entre 100 y 150 valores.
El aprendizaje automático es una parte de la Inteligencia Artificial capaz de crear un sistema que aprende automáticamente. Su corazón es un algoritmo que revisa millones de datos y a partir de ellos sugiere patrones predictivos. Además, este sistema se va autoperfeccionando en el tiempo.
